14.09.2014 Views

Fusion entre les données ultrasonores et les images de radioscopie ...

Fusion entre les données ultrasonores et les images de radioscopie ...

Fusion entre les données ultrasonores et les images de radioscopie ...

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

&KDSLWUH 9 5pVXOWDWV H[SpULPHQWDX[<br />

__________________________________________________________________________________________<br />

1<br />

Cr(VD)<br />

Cr(VD)<br />

1<br />

0,67<br />

0,67<br />

6<br />

0,33<br />

13 14<br />

15 16<br />

17<br />

18<br />

19 20<br />

21<br />

9<br />

10<br />

37<br />

38 39<br />

40<br />

41<br />

42<br />

44 43<br />

45<br />

46 47<br />

48 49<br />

50 29<br />

11 12<br />

22<br />

23<br />

24<br />

25<br />

26<br />

27<br />

28<br />

30<br />

31 34<br />

51<br />

0,33<br />

4<br />

8<br />

33<br />

36<br />

0<br />

Type IL MF SO<br />

a) obj<strong>et</strong>s RX i<strong>de</strong>ntifiés par l’expert comme <strong>de</strong>s vrais<br />

défauts<br />

0<br />

2<br />

5<br />

7<br />

32<br />

35<br />

Type FBC FBR<br />

b) obj<strong>et</strong>s RX i<strong>de</strong>ntifiés par l’expert<br />

comme <strong>de</strong>s fausses détections<br />

Figure V.4. : crédibilité d'être un vrai défaut pour <strong>les</strong> obj<strong>et</strong>s détectés à l'issue du traitement<br />

<strong>de</strong> l'image RX<br />

Les obj<strong>et</strong>s détectés sont représentés à l’utilisateur du système FFRESHeX par une couleur<br />

traduisant le <strong>de</strong>gré <strong>de</strong> confiance du système <strong>de</strong> contrôle automatique en la présence d’un<br />

défaut (vert pour Cr(VD) < 0,33 ; orange pour 0,33 ≤ Cr(VD) < 0,67 <strong>et</strong> rouge pour 0,67 <<br />

Cr(VD) ≤ 1). Nous souhaitons perm<strong>et</strong>tre à l’utilisateur <strong>de</strong> r<strong>et</strong>enir soit <strong>les</strong> obj<strong>et</strong>s rouges, soit, à<br />

la fois, <strong>les</strong> obj<strong>et</strong>s rouges <strong>et</strong> oranges <strong>et</strong> enfin tous <strong>les</strong> obj<strong>et</strong> détectés (vert, orange <strong>et</strong> rouge) en<br />

fonction <strong>de</strong> ses objectifs. Il est donc important <strong>de</strong> l’informer, au préalable, <strong>de</strong>s répercussions<br />

<strong>de</strong> son choix sur la fiabilité du contrôle. Plusieurs critères sont uti<strong>les</strong> à l’opérateur. Tout<br />

d’abord, il est important <strong>de</strong> mesurer le nombre <strong>de</strong> défauts détectés par rapport au nombre <strong>de</strong><br />

défauts présents dans l’échantillon en fonction <strong>de</strong>s gammes <strong>de</strong> couleur (% <strong>de</strong> détection).<br />

Ensuite, la nature <strong>et</strong> <strong>les</strong> dimensions <strong>de</strong>s défauts conservés par le système automatique varie en<br />

fonction <strong>de</strong> ces gammes. L’utilisateur choisira toujours une gamme <strong>de</strong> couleur <strong>de</strong> telle sorte<br />

que <strong>les</strong> défauts graves soient détectés. Enfin, il est important d’estimer le pourcentage <strong>de</strong><br />

fausses détections, qui peut être un critère <strong>de</strong> rej<strong>et</strong> pour l’utilisateur dans le cas où il serait<br />

trop élevé. Les <strong>de</strong>ux premiers points sont étudiés pour l’ensemble <strong>de</strong>s échantillons contrôlés<br />

lors <strong>de</strong> c<strong>et</strong>te étu<strong>de</strong> dans le paragraphe II.5. Le critère relatif au nombre <strong>de</strong> fausses détections<br />

est étudié sur le graphe <strong>de</strong> la figure V.5..<br />

3DJH

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!